跳到正文OceanToken

视频出片耗时

每个视频模型出片要多久 在 OceanToken 上实测

7 个视频模型共 179 条计时出片,时间 2026年10月15日 至 2026年11月12日。一个设置至少有 5 条计时出片才显示。

出片最快

51 秒

Veo 3.1 Lite
6 秒片,720p

中位水平

173 秒

下面 17 个设置的中位数

超分 vs 原生

+60 秒 通常多花的出片时间

每秒价格低 19%

超分还是原生

超分模型先用较低分辨率出片,再放大。正常观看尺寸下(手机全屏、网页播放器),两者很难分出来;放大到像素级,快速运动、皮肤和头发、细小纹理可能出现涂抹或过度锐化。构图、动作、手指数量和文字拼写由底模决定,和超分无关。

模型设置耗时中位数实际输出画面起价
原生超分原生超分原生超分
Seedance 2.05 秒片,720p181 秒219 秒1280×7201256×720不是标准尺寸$0.14/秒$0.11/秒
Seedance 2.0 Fast5 秒片,720p115 秒197 秒–1256×720不是标准尺寸$0.098/秒$0.085/秒

全部实测设置

按耗时从短到长。耗时从提交任务算到成片可以下载。

模型设置耗时中位数九成在此之内实际输出画面起价样本
Veo 3.1 Lite6 秒片,720p51 秒需 10 条样本–$0.027/秒5
Grok Imagine Video5 秒片,720p66 秒需 10 条样本–$0.070/秒5
Seedance 2.0 Mini对比4 秒片,480p99 秒134 秒864×496$0.028/秒42
Seedance 2.0 Fast4 秒片,480p100 秒128 秒864×496$0.045/秒14
Seedance 2.0 Fast5 秒片,720p115 秒需 10 条样本–$0.098/秒5
Seedance 2.0 Mini对比5 秒片,720p121 秒需 10 条样本–$0.061/秒5
Kling v3.0 Standard5 秒片,720p122 秒需 10 条样本–$0.080/秒5
Seedance 2.0 Mini Upscaled对比4 秒片,720p166 秒180 秒1256×720不是标准尺寸$0.053/秒15
Seedance 2.5对比4 秒片,480p173 秒298 秒854×480$0.10/秒13
Seedance 2.0对比5 秒片,720p181 秒252 秒1280×720$0.14/秒12
Seedance 2.0 Fast Upscaled5 秒片,720p197 秒需 10 条样本1256×720不是标准尺寸$0.085/秒6
Seedance 2.0对比4 秒片,480p200 秒271 秒864×496$0.067/秒12
Seedance 2.0 Upscaled对比4 秒片,720p211 秒278 秒1280×720$0.11/秒12
Seedance 2.0 Upscaled对比5 秒片,720p219 秒需 10 条样本1256×720不是标准尺寸$0.11/秒7
Seedance 2.5 Upscaled对比4 秒片,720p239 秒336 秒1280×720$0.19/秒11
Seedance 2.0 Upscaled 4k对比4 秒片,4K246 秒需 10 条样本3840×2160$0.55/秒5
Seedance 2.5 Upscaled对比5 秒片,720p248 秒需 10 条样本1278×720不是标准尺寸$0.19/秒5

客户真实流量,最近 30 天

客户发来的全部视频任务;一个设置至少有 30 单、来自至少 5 个不同客户才计入。「被拒」指模型厂商的内容审核拒绝了提示词或成片。

模型设置成功率被拒耗时中位数九成在此之内分辨率与请求一致任务数
Seedance 2.0 Mini480p, 5 秒及以下100%0%122 秒141 秒–77
Seedance 2.0 Mini480p, 6–10 秒100%0%144 秒173 秒–52

这里只测时间,不评画面

这一页回答的是多快出片、输出什么尺寸。哪个模型的画面更受欢迎,请看 Artificial Analysis Video Arena 的人工盲评投票。

测量方法

这些是我们自己通过 OceanToken API 发起的测试任务,不是客户流量:按所示分辨率和时长的文生视频,未注明的都是 16:9。每条从提交任务开始计时,到第一次查询状态显示成片完成为止(每 5 秒查询一次),所以厂商那边的排队时间也算在内。失败和被拒的任务不计时。一个设置至少有 5 条计时出片才显示,「九成在此之内」需要至少 10 条。输出尺寸读自交付的文件。出片时间随时段和厂商负载变化,你的实际结果可能不同。

文本模型:输出速度和首个 token 

用一个 API Key 调用这些视频模型